寒假训练

明天或者后天写题解,先把代码post上去
CF1167C News Distribution

#include<stdio.h>
#include<iostream>
using namespace std;
int a[1010101],b[501010],t[501010];
int find(int x){
	if(a[x]!=x) a[x]=find(a[x]);
	return a[x];
} 
int main(){
	int n,qus;
	cin>>n>>qus;
	for(int i=1;i<=n;i++)	a[i]=i;
	for(int i=0;i<qus;i++){
		int s;
		cin>>s;
		for(int j=0;j<s;j++){
			scanf("%d",&b[j]);
			a[find(b[j])]=find(b[0]);
		}
	}
	for(int i=1;i<=n;i++){
		t[find(i)]++;
		}
	
	for(int i=1;i<=n;i++){
		printf("%d ",t[find(i)]);
	}
	return 0;
}

CF920C Swap Adjacent Elements

#include<stdio.h>
#include<iostream>
#include<stdlib.h>
using namespace std;
int place[202020],a[202020],re[202020];
int main(){
	int n,t;
	scanf("%d",&n);
	for(int i=1;i<=n;i++)	scanf("%d",a+i);
	char s;
	getchar();
	for(int i=1;i<n;i++){
		scanf("%c",&s);
		re[i]=s-'0';
		re[i]+=re[i-1];
	}
	for(int i=1;i<=n;i++){
		if(abs(a[i]-i)!=abs(re[a[i]-1]-re[i-1]))
		{
			printf("NO\n");
			return 0;
		}
	}
	printf("YES");
	return 0;
	
}

CF12C Fruits

#include<iostream>
#include<string>
#include<map>
#include<algorithm>
#include<utility>
#include<vector>
using namespace std;
map<string,int>p;
string s;
int a[101010];
bool cmp(const pair<string,int>&a,const pair<string,int>&b){
	return a.second<b.second;
}
int main(){
	int n,r;
	scanf("%d %d",&n,&r);
	for(int i=0;i<n;i++)scanf("%d",a+i);
	sort(a,a+n);
	for(int i=0;i<r;i++){
		cin>>s;
		p[s]++;
	}
	vector<pair<string, int>> vec(p.begin(), p.end());
	sort(vec.begin(), vec.end(), cmp);
	int min=0,max=0,j=0;
	for (int i = vec.size()-1; i >=0 ; i--)
	{
	//	printf("%d %dokok\n",vec[i].second,a[j]);
		min+=vec[i].second*a[j++];
	}
	j=n-1;
	for (int i = vec.size()-1; i >=0; i--)
	{
		max+=vec[i].second*a[j--];
	}
	cout<<min<<" "<<max<<endl;
	return 0;
} 

CF1263D Secret Passwords

#include<stdio.h>
#include<iostream>
#include<string.h> 
using namespace std;
int a[10101010];
int find(int x){
	if(a[x]!=x) a[x]=find(a[x]);
	return a[x];
}
int main(){
	int n;
	int p[101010];
	cin>>n;
	for(int i=1;i<=26;i++)a[i]=i;
	char str[101010];
	for(int i=1;i<=n;i++){
		cin>>str+1;
		int o=strlen(str+1);
		int x=str[1]-'a'+1;
		p[x]=1;
		int y;
		if(o>1){
			for(int j=2;j<=o;j++){
				y=str[j]-'a'+1;
				p[y]=1;
				a[find(y)]=find(x);
			}
		}
	}
	int ans=0;
	for(int i=1;i<=26;i++){
		if(find(i)==i&&p[i])ans++;
	//	printf("i=%d ans=%d\n",i,ans);
	}
	cout<<ans<<endl;
}

CF893C Rumor

#include<stdio.h>
#include<iostream>
typedef long long ll;
using namespace std;
ll pi[10101010];
int a[10101010];
int find(int x){
	if(a[x]!=x) a[x]=find(a[x]);
	return a[x];
}
int main(){
	int n,p;
	//ll x[101010],y[101010];
	cin>>n>>p;
	for(int i=1;i<=n;i++)cin>>pi[i];
	for(int i=1;i<=n;i++)a[i]=i;
	for(int i=1;i<=p;i++){
		int x,y;
		cin>>x>>y;
		if(pi[find(x)]>pi[find(y)])pi[find(x)]=pi[find(y)];
		a[find(y)]=find(x);
		//else pi[y]=pi[x];
	}
	ll sum=0;
	for(int i=1;i<=n;i++){
		if(find(i)==i)
		sum+=pi[find(i)];
	}	
	cout<<sum<<endl;
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值